OFCCP 的影响比率分析 (IRA) - 是否可以改进？

尽管存在关联，现场指挥官（CO）切勿将不利影响比率分析（IRA）与"不利影响"这一术语混淆。影响比率分析（IRA）是一种用于识别需在现场进一步调查的人员活动的方法。

Mitratech 员工四月29,2014

在2013年7月版《联邦合同合规手册》（FCCM）第48页中，联邦合约合规计划办公室（OFCCP）阐述了其计算影响比率的方法，并说明合规官员（CO）应如何运用影响比率分析的结果：

尽管存在关联，CO切勿将不利影响比率分析（IRA）与"不利影响"这一术语混淆。影响比率分析（IRA）是用于识别需进一步现场调查的人员活动的方法。该分析反映的是两个选拔率之间的比值——其一是少数族裔或女性的选拔率，其二是其他群体的选拔率。通常，若特定人员活动中的某群体选拔率低于受惠群体选拔率的80%（例如：某项人事活动中少数族裔或女性的选拔率低于非少数族裔或男性选拔率的80%），现场核查员必须[强调部分]在现场核查期间进行深入调查。 [联邦通信委员会管理手册，2013年7月版，第48页]。

尽管上述描述中联邦合同合规计划办公室（OFCCP）暗示，仅凭影响比率分析的不利结果就应被视为歧视的确凿证据，但该机构同时指示合规官员在决定是否对承包商进行审计时，应参考影响比率分析的结果。因此，有必要审视影响比率分析的基础与起源，并探讨在何种条件下该测试可能产生误报——即当影响比率分析结果触发合规官员启动审计时，实际却无需进行审计的情形。

影响比的统计学术语是相对风险（RR）。ⁱ 相对风险是指某一组事件发生概率与另一组（其他方面相似的）事件发生概率之比。若第一组事件发生概率低于第二组，则两者概率之比（第一组概率为分子，第二组概率为分母）将小于100%。例如，若两个概率之比为70%，则表示第一组事件发生概率仅为第二组概率的70%。

假设在某次招聘活动中，招聘方需审核200份来自同一群体的申请材料，这些申请者在工作经历及其他资质方面高度相似。进一步假设申请者中包含100名男性和100名女性。所有申请者均应聘同一特定职位，即申请者对不同职位的偏好不存在差异，这意味着任何申请者若获录用通知均会接受。最终承包商从200名候选人中录用40人：其中10名录用者为女性，30名录用者为男性。

根据上述情景，女性的录用概率为10%（10/100 = 10%），男性为30%（30/100 = 30%）。因此，本次招聘事件的相对风险或影响比率为33%（10%/30% = 33%）。这意味着女性获得该承包商职位的机会仅为男性同等机会的33%。基于此影响比率分析结果，联邦合同合规计划办公室（OFCCP）有充分理由展开追加调查，以查明女性候选人录用率或被录用概率远低于男性的原因。

上述示例实际上与联邦合同合规计划办公室（OFCCP）在其2013年7月版《联邦合同合规手册》第49页所使用的示例相同。该手册详细说明了上述示例中影响比率的计算方法，并在得出女性影响比率为33%后得出结论：

“若某组的选择率低于另一组的80%，则通信办公室将该独立研究项目视为不利。”[《联邦通信委员会管理》2013年7月刊，第49页]。

替代方法论：调整影响比率分析（AIRA）

上述段落所述的联邦合同合规计划办公室（OFCCP）用于"确定应在现场进一步调查的人员活动"的方法，假设所有100名女性和100名男性均申请了同一职位或实质上相似的职位。若申请者实际申请的是包含两个或多个不同职位（或部门）的职位组，且这些职位在工作环境和任务性质上存在实质差异，该如何处理？

假设在某个职位组内，女性和男性分别申请了两个不同的部门：A部门和B部门。进一步假设女性更倾向于B部门的职位，而男性更倾向于A部门的职位。在100名女性中，有4人申请A部门，96人申请B部门；在100名男性中，有56人申请A部门，44人申请B部门。该职位组共录用40人，其中A部门录用28人，B部门录用12人。A部门28名录用者中，女性2人，男性26人；B部门12名录用者中，女性8人，男性4人。

因此，根据申请两个部门的申请人比例来看，男性似乎更倾向于选择A部门，而女性则强烈倾向于选择B部门。考虑到申请流向不同部门的这一额外信息，以及男女对不同职位和部门的偏好，再加上各部门的录用人数，是否应修改OFCCP方法论中概述的程序？答案是：是的。

在《联邦合同合规手册》关于影响比率的计算程序中，联邦合约合规计划办公室（OFCCP）的隐含假设是：所有100名女性和100名男性在40个可用机会中被选中的概率均等。然而，根据上述补充信息，申请者被选入A部门的概率似乎高于被选入B部门的概率。A部门提供了28个选拔机会，而B部门仅提供12个选拔机会。这意味着申请者选择直接申请哪个部门的决策会直接影响其被选中的概率。因此，在计算雇主选拔决策的影响系数时，申请人选择申请特定部门的决策具有重要意义，应当纳入考量范围。

既然我们已知部门是选拔过程中的重要因素，就需要在相对风险或影响比率分析的计算中纳入部门相关信息。因此，在下文步骤中，我参照联邦合同合规计划办公室（OFCCP）的指导原则计算了粗略（未调整）影响比率，并对其进行修正以反映男女申请者在各部门的差异化申请率。事实上，存在一种公认的统计方法，可用于调整粗略影响比率或相对风险值——该方法能有效处理申请者并非全部投向相同部门/职位的实际情况。ⁱⁱ 最终调整后的影响比率已纳入部门相关信息。在下文所述方法中，IR代表OFCCP的原始未调整影响比率，AIR代表将部门信息纳入计算后的调整后影响比率。

联邦合同合规计划办公室（OFCCP）在《联邦合同合规手册》（FCCM）第49页的指导意见已修订，以纳入部门信息：

步骤1：计算每个部门的选拔率 在每个部门 （保留两位小数）。

100（女性申请人数）
10（选中的女性）= 0.10（10%的选拔率）
- 在A部门：
  - 4（女性申请者）
  - 2（选中的女性）= 0.50（50%的选中率）

- 在B部门：
  - 96（女性申请人数）
  - 8（选中的女性）= 0.08（8%的选拔率）

- 100（男性申请者）
- 30（选中的男性）= 0.30（30%的选中率）
  - 在A部门：
    - 56（男性申请者）
    - 26（选中的男性）= 0.46（46%的选拔率）

- 在B部门：
  - 44名男性申请)
  - 4（选中的男性）= 0.09（9%的选拔率）

步骤2：观察哪个组的选择率最高。

男性是最受青睐的群体，因为他们拥有最高的选拔率。

（30%的男性比例高于10%的女性比例）。

步骤3：计算两组的粗略或未经调整的影响比率。由于这是积极行动，最受优待组（本例中为男性）的比率位于分母位置。

.10（女性选择率）= 0.33（粗略或未调整影响系数）
.30（男性选拔率）

步骤4：观察步骤3中的冲击率是否低于80%。

步骤5：请注意，部门是计算任何影响比率时必须考虑的因素之一。因此，要计算调整后影响比率（AIR），请执行下文步骤6中的计算。

步骤6：通过将各部门女性/男性选拔人数乘以该部门另一性别所占比例，调整各部门男女选拔人数。将各部门女性调整后的选拔人数相加，再除以各部门男性调整后的选拔人数总和：

经调整的影响比率（AIR）为98%，表明在适当调整后，两个部门女性的总体选拔率几乎与两个部门男性的选拔率相同。由于女性选拔率超过男性选拔率的80%，合规官应认为影响比率分析（IRA）不构成不利影响。

上述示例表明，联邦合同合规计划办公室（OFCCP）的影响比率分析假设了申请人的完全同质性。若申请人同质性的假设不成立，则粗略的影响比率分析可能产生误导性结果。调整后的影响比率考虑了申请人之间的差异，从而得出更可靠的衡量标准。

^{i. 相对风险在统计学和流行病学研究中被广泛应用。例如，为评估某种药物/治疗方案的有效性，科学家会比较两组受试者患病风险：一组接受药物/治疗后患病的风险或概率，与另一组未接触药物/治疗但其他条件相似的对照组患病风险或概率。↩}
^{ii. 经调整的相对风险在统计文献中称为曼特尔-亨泽尔相对风险。参见：Tarone, R. E., "On Summary Estimators of Relative Risk," Journal of Chronic Disease, 34, 463-468.↩}

编者按：本文最初发表于 Circaworks.com。2023 年 4 月，Mitratech 收购了包容性招聘和 OFCCP 合规软件的领先供应商 Circa。此后，我们对内容进行了更新，以反映我们扩大的产品范围、不断发展的人才招聘合规法规以及人力资源管理的最佳实践。

行业解决方案